RNNoise项目windows复现流程

项目源码

https://github.com/danteliujie/rnnoise

1. 基本流程

1.include目录中存放rnnoise.h库函数接口            

2.my_training目录存放神经网络模型训练的python文件

3.resources目录用于存放噪声文件和被导出的文件

4.rnnoise_windows目录存放降噪演示程序

rnnoise_demo这段代码是一个使用rnnoise库进行音频降噪的演示程序,可以减少音频中的背景噪声，通常用于语音处理应用。其中rnnoise_demo函数是一个降噪演示函数，它读取输入的wav文件，进行降噪处理，然后写入输出wav文件。包括打开wav文件、创建rnnoise降噪块、设置循环次数和输出模式、进行降噪处理帧并输出、计算处理时间、反初始化wav   文件和rnnoise对象等步骤。

5.src目录存放三方库和自定义库

6.unittest-tool目录存放wav导入测试相关的工具                         

7.buIld目录是CMAKE的构建项目时自动生成的目录，用于存放可执行文件

1. 运行条件

2.1 平台vscode+pycharm

项目主要分为两部分，模型训练部分和运行部分

原项目实际模型训练部分是在树莓派linux上进行的，采用的深度学习框架是TensorFlow，这边之间在Pycharm上进行

运行部分在vscode上运行，由于运行代码采用c语言需要配置cmake框架和mingw64，具体流程如下：

1. mingw64下载链接

MinGW-w64 - for 32 and 64 bit Windows download | SourceForge.net  

2.cMake下载链接 Download CMake

安装完成后配置环境变量并重新启动计算机

2.2 数据来源

说明一下，源代码的训练部分在windows上是有问题的，如果你需要完整训练流程请自己摸索，这边主要是介绍代码运行的部分

数据集下载链接（大小6.4gb）：

https://media.xiph.org/rnnoise/rnnoise_contributions.tar.gz

该数据集由rnnoise原作者提供

也有部分文章说可以用urbansound8k训练，不过我没试过，有成功的朋友可以私信我，数据集如下

​​​​​​​链接：https://pan.baidu.com/s/1g6tejlD9WarDF7W3ZNPg3A 
提取码：7aqb

由于该项目只支持48k采样率，这边有一个作者提供的48k的数据集，建议chrome打开

TSP Lab - Data

1. 运行步骤

1.导入项目后点击左下角更换编译器

2.点击左下角生成

这时左侧项目栏会出现bulid文件夹

bin目录中出现rnnoise-windows.exe的可执行文件

输出出现如下内容说明运行成功

3.点击左下角运行

出现下图说明运行成功

1. 结果

注：如需更改输入音频文件，再resources文件夹放入文件后，修改rnnoise_demo.c中路径即可